Estudio De Tiempo y Seguridad En Osmotic

Computing
Ariana Oquendo Diego Garces Nelson Pitalasig
Universidad Politecnica Salesiana Universidad Politecnica Salesiana Universidad Politecnica Salesiana
Carrera de Ingenieria Electrónica Carrera de ingenieria Electronica Carrera de ingenieria Electronica
Quito, Ecuador Quito, Ecuador Quito, Ecuador
aoquendo@ups.edu.ec dgarcesc@ ups.edu.ec npilatasig@ ups.edu.ec

Abstract— This paper shows how it can represent the new microservicios llamados Microelementos (MELs) que están
paradigm of Osmotic Computing to support the efficient execution compuestos e interconectados sobre las infraestructuras de
of the services and applications of Internet of Things (IoT), Edge, Cloud / Edge e IoT con especificados Niveles de QoS
Cloud and Fog Computing of microservices at the edge of the
network. This paradigm is based on the need to provide such (Quality of service/ Calidad de servicio) y restricciones de
services for IoT-based devices such that the relatively distributed seguridad.[3]
system allows it to increase the capabilities and functionalities of
existing Cloud and Edge systems with the deployment of lightweight
microservices in IoT platforms. with limited resources at the edge of En este Paper se va a desarrollar la investigación de la
the network, together with more complex microservices that run in tecnología Osmotic Computing analizando el tiempo y
large-scale data centers.
seguridad de los datos en la Nube para garantizar la calidad
Resúmen— Este paper muestra cómo puede representar el del servicio.
nuevo paradigma de Osmotic Computing para respaldar la
ejecución eficiente de los servicios y aplicaciones de Internet of Enlaces: I. Introducción, II. conceptos previos, III.
Things (IoT), Edge, Cloud y Fog Computing de microservicios en el Metodología, IV. Caso de Estudio, V. Desarrollo, VI.
borde de la red. Este paradigma se basa en la necesidad de
Análisis VII. Conclusiones, VIII. Bibliografía.
proporcionar tales servicios para los dispositivos basados en IoT
tal que el sistema distribuida de manera relativa que le permita II. CONCEPTOS PREVIOS
aumentar las capacidades y funcionalidades de los sistemas Cloud
y Edge existentes con el despliegue de microservicios ligeros en A. FOG Computing
plataformas de IoT con recursos limitados en el borde de la red,
junto con microservicios más complejos que se ejecutan en centros
de datos a gran escala. FOG Computing se vuelve popular porque Cloud
Computing no es suficiente para hacer frente a la gran
Keywords—Osmotic, Cloud, computing, IoT. cantidad de datos generados. Data Computing, toman tiempo
impredecible debido al comportamiento incierto de los
I. INTRODUCCIÓN dispositivos y aplicaciones de FOG, por ejemplo, las
En los últimos años el fenómeno IoT (Internet of Things) computadoras personales pueden apagarse en cualquier
ha ido evolucionando ampliamente tanto en la industria, en momento. Por lo tanto, la predicción del tiempo de
la domótica y en el seguimiento ambiental. Los datos finalización es fundamental para este uso.[4]
producidos por estos dispositivos son Típicamente
almacenados en la nube utilizados para Big Data,
Almacenamiento y procesamiento de datos en la mayoría de
las soluciones Cloud-IoT, la cantidad de dispositivos IoT
Cloud de computación puede fallar en la disponibilidad de
recursos, Latencia, así como la capacidad de procesamiento y
almacenamiento de datos. [1].

Aprovechar los recursos emergentes disponibles en el

borde de Las redes y nuevos paradigmas de diseño de
sistemas se están surgiendo en Diferentes campos[1]
avanzando a la computación osmótica ya que equilibra la
Carga y utilización de recursos entre los centros de datos en
la nube y Edge. Por lo tanto la osmotic computing permite la
disposición dinámica y la migración de Servicios a las
diferentes demandas de infraestructura y software.[2].

Osmotic Computing es un nuevo paradigma que impulsado

por el significativo Incremento de la capacidad de recursos en
alta distribución y entornos federados, aborda cuestiones Ilustración 1 FOG & Cloud [2]
relacionadas con la implementación de Redes y seguridad de

978-1-7281-3764-3/19/$31.00 ©2019 IEEE

 2019 IEEE Fourth Ecuador Technical Chapters Meeting (ETCM)
B. EDGE Computing
La infraestructura de computación “Edge” ofrece un
modelo de sistema más eficiente y oportuno para aplicaciones
de IoT, combinando y aprovechando la computación
escasamente distribuida recursos a través de la red de borde,
FOG y Cloud, no es una tarea fácil. Las características a gran
escala de estos sistemas y la complejidad de las aplicaciones
sugieren que repensar tanto el modelo de aplicación como el
proceso de desarrollo.[5]
C. IoT Computing
“Internet de las cosas” (IoT) ha evolucionó y está llegando a
la realidad. El IoT involucra a varios miles de millones de
dispositivos diversos interconectados para 2020 cantidades
de datos rápidamente emergentes / versátiles (es decir, "big
data"), y numerosos servicios. Los dispositivos conectados
pueden ser sensores, actuadores, teléfonos inteligentes,
computadoras, edificios y hogar / trabajo, electrodomésticos,
automóviles y elementos de infraestructura vial, y cualquier
otro dispositivo u objeto que puede ser conectado,
monitoreado o accionado. Los dispositivos están conectados
a Internet, así como con cada otros, a través de redes de
acceso heterogéneas. Servicios dirigidos a conducir a una
sociedad inteligente, sostenible e inclusiva y economía. A la
luz de los temas discutidos, el éxito[6]
D. Osmotic Computing
En química, la ósmosis se define como el paso de un
solvente a través de una membrana semipermeable de una
menor concentración. Solución a una más alta, hasta que las
concentraciones a través de la membrana son iguales. [6]
En el concepto de osmótica, un soluto puede ser carga
actual, tiempo de procesamiento, energía, etc., según el
escenario de aplicación. Las moléculas representan un
solvente (absorbe el soluto) que pasa a través de la membrana
semipermeable analógicamente, los servicios (se pueden
clasificar en macroservicios y microservicios).
Ilustración 2 Conceptos Básicos de Osmotic Computing [2]
Según recursos computacionales, energía, consumo,
tiempo de procesamiento, etc.) que puede ser cambiado entre
los servidores representan un componente solvente en
Osmotic Computing.[7]
E. Cloud Computing
Los servicios actuales de Cloud Computing se basan en el
Enfoque de "centro de datos", donde cientos de miles del os
servidores dedicados están configurados para dar los
servicios. Ajuste el centro de datos para la nube es costoso y
está funcionando la infraestructura necesita experiencia, así
como una gran cantidad de recursos como alta potencia para
refrigeración, alimentación redundante para disponibilidad
asegurada, etc. Por ejemplo, el 45% de los datos.El coste del
centro va a la adquisición de servidores, el 25% va a
infraestructura especializada para tolerancia a fallas,
redundante energía, sistemas de refrigeración y baterías de
respaldo, mientras que el costo eléctrico consumido por las
máquinas representa el 15% del coste total amortizado [9]
III. METODOLOGÍA
Esta investigación está basada en papers publicados desde
2017 a 2019, ya que OC es una tecnología moderna, sucesora
IoT, que en estos últimos años ha sido aplicada en proyectos
y servicios de comunicación.
El tema de investigación es “Estudio De Tiempo y
Seguridad En Osmotic Computing” aplicado a la recopilación
y análisis de datos, al ser OC una tecnología mejorada de IoT
en seguridad y la obtención rápida de datos, los papers hacen
una comparación entre IoT y OC.
Se analiza el tiempo y seguridad del procesamiento de
datos en Osmotic Computing ya que en los papers de fuente
para realizar la investigación, el tiempo y la seguridad de
datos es el avanzase posterior del Iot para garantizar la
confiabilidad del servicio teniendo en cuenta que la base de
datos utilizada es la Cloud Computing siendo esta vulnerable
a la inseguridad de datos.
IV. CASOS DE ESTUDIO
A. En [9]Big Data HIS del futuro de IRCCS-ME: La
infraestructura de computación osmótica
Tareas en Sistemas de Información Hospitalaria (HIS).
Aun mas medicas, Los dispositivos pertenecen a las
aplicaciones de Internet de las cosas (IoT) que generan una
gran cantidad de datos clínicos por lo tanto, la industria de la
salud es una tecnologías de almacenamiento, procesamiento
y análisis de big data.
En este contexto, el SIS tradicional presenta varios
problemas, como un mal manejo de los datos generados a
partir de dispositivos médicos, Empezando desde la
experiencia de IRCCS Centro Neurolesi “Bonino Pulejo”
ubicado en Messina (Italia), es decir un centro clínico y de
investigación este documento se motiva por la necesidad de
trasladar el sistema de información tradicional a una
infraestructura innovadora basado en el paradigma de la
computación osmótica en particular estudiar la asistencia
sanitaria. En este paper en el estudio del dominio sanitario
dividen en dos ramas diferentes: una para producción y otro
para tareas de investigación El primero ofrece facilidades para
la salud y personal administrativo, mientras que este último
expone herramientas innovadoras para Apoyar principalmente
 2019 IEEE Fourth Ecuador Technical Chapters Meeting (ETCM)
las actividades de investigación de Big Data. Como punto de
unión se uso servicio IAM (Identity and Access Management)
le permite la administración de identidades y el acceso a
los servicios y recursos siendo mas optimo diseñar una la
plantilla de middleware ágil basada en Osmotic capaz realizar
microservicios para la gestión de grandes datos sanitarios.
MIDDLEWARE: es software que se sitúa entre un
sistema operativo y las aplicaciones que se ejecutan en él.
Básicamente, funciona como una capa de traducción oculta
para permitir la comunicación y la administración de datos en
aplicaciones distribuidas.
B. En [10]Usando la composición de servicios osmóticos
para la dinámica: Balanceo de carga de aplicaciones de
Smart City.
Se Usa la programación OC que proporciona una
oportunidad para equilibrar la carga de trabajo entre Edge y
Cloud por lo tanto para superar el problema de desequilibrio
de carga de las aplicaciones de Smart City. A esto
proponemos un Marco de Ejecución Osmótica que aprovecha
técnicas de microservicios de vanguardia para implementar y
ejecutar una aplicación de Smart City en un entorno
distribuido que incluye Edge y Cloud Donde evaluamos el
balanceo de carga a través de Análisis de tiempo de latencia
de nuestro marco con un mundo real inteligente a través de
una Aplicación de aparcamiento. Un problema que se puede
analizar en el desarrollo de la aplicación de aparcamiento es
que la carga de trabajo es liguera, para futuros trabajos es
posible estimar la proporción de cuántas copias de
microservicios en el Edge debe desplegarse para reducir el
impacto de este en el rendimiento de la aplicación. Ya que en
la prueba de 500 solicitudes la capacidad del CPU es menor
que en porciones de 100 solicitudes.
C. En [1]Monitoreo de la contaminación urbana basado en
Mobile Crowd Sensing: un enfoque de computación
osmótica
un enfoque de computación osmótica] MCS(Mobile
Crowd Sensing) puede mejorar las redes de sensores
tradicionales funcionalidades y estrategias de despliegue en
términos de dinamismo, escalabilidad automática del número
de estaciones, bajo impacto en el presupuesto de las
empresas.
Un requisito del proyecto Apollon se refiere a
heterogeneidad de los actores en el sistema. Para hacer frente
a esta heterogeneidad, el sistema Apollon necesita una
middleware actuando como una capa de interacción entre el
borde, IoT, dispositivos móviles y Cloud. Además, el Sistema
debe integrarse con redes de sensores heredadas,
originalmente desplegado por los administradores públicos.
Sensor tradicional proporcionan una gran precisión, precisión
y fiabilidad de datos, que es de gran importancia para la
agregación y actividad de información. Uno de los desafíos
encontrados es el diseño del middleware, siendo en sí un
nuevo grado de complejidad introducir una cola excesiva de
punta a punta latencia como resultado de tener números
masivos de dispositivos distribuidos geográficamente que se
comunican a través de un middleware
D. En [11] Principios básicos de la computación osmótica:
seguro y confiable Microelementos (MEL) Orchestration
Leveraging Blockchain Facilities
Blockchain es una novedosa tecnología que ha aparecido
en el mercado en los últimos años. Primero fue utilizado
como un libro de contabilidad pública para la criptomoneda
de Bitcoin. En este contexto, Osmotic Computing (OC) es un
nuevo paradigma impulsado,por el significativo aumento en
la capacidad / capacidad de los recursos.
Descentralización y control democrático de los datos. Esto
garantiza que los datos en la cadena no pueden ser
manipulados maliciosamente. En este contexto, Osmotic
Computing (OC) es un nuevo paradigma impulsado. Por el
significativo aumento en la capacidad / capacidad de los
recursos.En el paper se observar que debido al crecimiento de
la tecnología Blockchain y la complejidad de la red de este
ecosistema altamente dinámico han existido limitaciones de
rendimiento de la técnica a través de las capas Cloud / Edge
e IoT, sino también a través de los límites de la organización
federada.
E. En [5]FOG of the EDGE: experiencias construyendo
una plataforma de computación perimetral.
En este trabajo informamos la experiencia en la
construcción de una plataforma de computación de EDGE
llamada Nodo-RED (DNR) que utiliza un flujo de datos
distribuidos y modelo de programación basado en la
herramienta del popular código abierto Node-RED. Nos
podemos dar cuenta que cuando se implementa en múltiples
dispositivos, encontraron que la identificación del
dispositivo era demasiado limitante si querían configurar un
nodo, como recomendación es desplegar nodos basados en
requisitos más complejos, y tener múltiples instancias de
nodos que se ejecuten en varios dispositivos al mismo tiempo.
F. En [4]From Cloud Computing to Fog Computing:
Unleash the Power of Edge and End Devices
La computación en FOG extiende la computación en
Cloud hasta dispositivos finales con el fin de soportar mejor
el tiempo dependiendo de la ubicación de escalas masivas y
sensibles a la latencia.
En este trabajo, proponen un ecosistema de cómputo de
FOG implementando un Real testbed (es una plataforma para
realizar pruebas rigurosas, transparentes y replicables de
teorías científicas,), y evaluarlo con diversos escenarios de
uso más En concreto estudiamos tres escenarios de uso y
optimizamos nuestra FOG en la Plataforma informática para
estos escenarios de uso son:
 Contenido difusión en redes desafiadas
 FOG de origen público informático
 análisis de Internet de las cosas programable.
 2019 IEEE Fourth Ecuador Technical Chapters Meeting (ETCM)
En este paper se recomienda mejorar el banco de pruebas en
varias direcciones, tales como: Redes definidas por software
(SDN) para el aprovisionamiento de recursos de red, una
migración mecanismo para la dinámica del sistema como la
falla del enlace, y Un enfoque para la predicción de
dispositivos disponibles.
G. En [12]Monitoreo osmótico de microservicios entre el
borde y la nube
Los sistemas de monitoreo están compuestos comúnmente
por agentes de monitoreo y servicios de administración.
Normalmente, los agentes de supervisión son componentes
que solo leen datos de máquinas o servicios supervisados. Los
servicios de gestión almacenan los datos recogidos.
El agente de gestión de datos de monitoreo Osmotic se llama
SmartManager. SmartManager básicamente realiza diversos
servicios que reciben los datos de los agentes de monitoreo.
Los datos obtenidos se conservan en una bases de datos. Para
validar el modelo de monitoreo presentado anteriormente, se
apoyó el desarrollo de Osmotic. Se implementó una solución
de prueba de concepto para monitorear microservicios en el
entorno de computación osmótica. En el paper se menciona
que rendimiento de la aplicación IoT basada en
microservicio implementada en un entorno de computación
osmótica (nube y borde), incluyendo cada microservicio
individual de la aplicación IoT, cada infraestructura
subyacente.
H. En[2] El papel de la computación osmótica en internet
de las cosas
La implementación de una computación osmótica en IoT.
Permite distribuir, gestionar, gestionar tareas de
transformación de datos y ejecutado a través de cualquier
centro de datos Cloud y Edge disponibles.
En otras palabras, lo básico del paradigma de la
computación osmótica es dividir los servicios en macro y
micro y desplazarlos a Una infraestructura para la
implementación de sistemas no redundantes y cálculos más
rápidos .
De esta forma, en el borde de la red. donde están presentes
los dispositivos de IoT con recursos limitados este paradigma
permite el despliegue de microservicios ligeros, mientras que
los microservicios más complejos se implementan en gran
escala los centros de datos. Según el escenario de la
aplicación, pueden existir uno o más ORM (Osmotic
Resource Manager). En el análisis del paper se observa que
puede existir desperdicio de recursos de los centros de datos
de la nube y de Edge, en general para los microservicios más
complejos, en este caso se necesita un ORM que equilibren
su carga de trabajo y se va a necesitar un mayor rendimiento.
V. CONCLUSIONES
 El beneficio de la Osmotic Computing consiste en
equilibrar la distribución de los recursos de Edge
y Cloud y la administración de servicios y
microservicios que satisfagan las demandas
específicas de privacidad, seguridad y QoS.
 La Osmotic Computing contribuye
significativamente a la ejecución de sistemas de
computación complejos impulsados por IoT, sin
embargo, todavía hay muchos problemas y
desafíos relacionados con la migración de
servicios en los centros de datos de la nube, estas
dificultades se deberán resolver antes que
Osmotic Computing muestre su verdadero
potencial en los próximos años en las aplicaciones
de IoT.
 En este nuevo paradigma que representa la
Osmotic Computing aparece como una posible
solución para las desventajas que representan la
computación en la nube (minimizar la latencia y
maximizar el rendimiento) y en la niebla (Cloud
Computing y su uso en aplicaciones móviles y
sensibles al tiempo).
VI. REFERENCIAS
[1] A. Longo, A. De Matteis, and M. Zappatore, “Urban
pollution monitoring based on mobile crowd
sensing: An osmotic computing approach,” Proc. -
4th IEEE Int. Conf. Collab. Internet Comput. CIC
2018, pp. 380–387, 2018.
[2] M. Maksimovic, “The role of Osmotic computing in
Internet of Things,” 2018 17th Int. Symp.
INFOTEH-JAHORINA, INFOTEH 2018 - Proc.,
vol. 2018-Janua, no. March, pp. 1–4, 2018.
[3] M. Villari, A. C. B, and M. Fazio, “Complex,
Intelligent, and Software Intensive Systems,” vol.
772, 2019.
[4] H. J. Hong, “From cloud computing to fog
computing: Unleash the power of edge and end
devices,” Proc. Int. Conf. Cloud Comput. Technol.
Sci. CloudCom, vol. 2017-Decem, pp. 331–334,
2017.
[5] N. K. Giang, R. Lea, M. Blackstock, and V. C. M.
Leung, “Fog at the edge: Experiences building an
edge computing platform,” Proc. - 2018 IEEE Int.
Conf. Edge Comput. EDGE 2018 - Part 2018 IEEE
World Congr. Serv., pp. 9–16, 2018.
[6] A. R. Biswas and R. Giaffreda, “IoT and cloud
convergence: Opportunities and challenges,” pp.
375–376, 2014.
[7] V. Sharma, K. Srinivasan, D. N. K. Jayakody, O.
Rana, and R. Kumar, “Managing Service-
Heterogeneity using Osmotic Computing,” pp. 1–7,
2017.
[8] A. Greenberg, J. Hamilton, D. A. Maltz, and P.
Patel, “The cost of a cloud,” ACM SIGCOMM
Comput. Commun. Rev., vol. 39, no. 1, p. 68, 2008.
[9] L. Carnevale et al., “Cloud Infrastructures, Services,
 2019 IEEE Fourth Ecuador Technical Chapters Meeting (ETCM)

and IoT Systems for Smart Cities,” vol. 189, pp.
199–207, 2018.
[10] A. Souza, Z. Wen, N. Cacho, A. Romanovsky, P.
James, and R. Ranjan, “Using Osmotic Services
Composition for Dynamic Load Balancing of Smart
City Applications,” Proc. - IEEE 11th Int. Conf.
Serv. Comput. Appl. SOCA 2018, pp. 145–152,
2019.
[11] A. Buzachis and M. Villari, “Basic principles of
osmotic computing: Secure and dependable
microelements (MELs) orchestration leveraging
blockchain facilities,” Proc. - 11th IEEE/ACM Int.
Conf. Util. Cloud Comput. Companion, UCC
Companion 2018, pp. 47–52, 2019.
[12] A. Souza, N. Cacho, A. Noor, P. P. Jayaraman, A.
Romanovsky, and R. Ranjan, “Osmotic Monitoring
of Microservices between the Edge and Cloud,”
Proc. - 20th Int. Conf. High Perform. Comput.
Commun. 16th Int. Conf. Smart City 4th Int. Conf.
Data Sci. Syst. HPCC/SmartCity/DSS 2018, no. 1,
pp. 758–765, 2019.